基于注意力机制的自然场景文本检测

来源：电子测量技术杂志2021年第14期北京时间：

作者：宋彭彭，曾祥进，郑安义，米勇

单位：武汉工程大学 计算机科学与工程学院，湖北 武汉 430205

摘要：针对自然场景文本检测中没有明确全局特征的重要性，导致文本检测过程中存在文本的误检、漏检问题，提出了基于注意力机制的自然场景文本检测方法。该方法在 CTPN 网络的基础上，利用 ResNet 网络及特征融合技术提取更深层次的多层网络文本特征；同时将注意力机制引入改进后的特征提取网络中，通过从所有位置聚集的相同特征来增强原始特征，并获取注意力权重，对全局注意力进行汇集，明确需要关注的特征。其次，针对自然场景下文本定位精度不高的问题，使用 GIoU(Generalized IoU)损失代替坐标损失，同时引入 Focal Loss 损失函数对原有损失函数进行改进。实验表明，该方法在自然场景文本图片检测中获得了83%的召回率、87%的准确率和85%的F值，保证了文本检测过程中文本信息的完整性。

关键词：文本检测;CTPN;ResNet;注意力机制;GIoU;Focal Loss

基金资助：国家自然科学基金项目(61502354)、 湖北省教育厅重点研究项目(D20171503)资助